随着深度学习的兴起，近年来不断有基于学习的图像视频编解码工作被提出，尽管距离大规模商用尚有距离（据该领域从业人员称，深度学习的编解码效果尚可，但计算量较大），但几乎你能想到的IT和互联网巨头都投入重兵研发，也许该领域正处于突破性创新爆发的前夜。
近日，知名移动通信和视频技术研发公司 InterDigital 开源了基于学习的压缩库 CompressAI，相信对于该领域的研究者会有一定帮助。
在其论文 CompressAI: a PyTorch library and evaluation platform for end-to-end compression research 介绍了这一开源库。
InterDigital 是谁？
InterDigital 是一家美国专注于移动通讯（3G、4G、5G及其演进等）和视频（H.264/H.265/HEVC及其演进）技术的研发公司，在这两个特别需要标准互通的领域，研发新技术并参与标准制定，但其并不实际生产产品，而是靠专利授权/诉讼获得收入。
说白了，InterDigital 是商业嗅觉敏锐、靠研发新技术申请专利并埋到国际标准里的纯研发公司。
站在食物链的最顶端，这家公司曾经与摩托罗拉、爱立信、诺基亚、华为、小米、高通等产业巨头发生诉讼。
CompressAI 是什么？
CompressAI 的出现是为了弥补PyTorch生态中并没有特别好的图像视频压缩研究库，该库实现了在压缩领域常用的操作、网络层和架构，实现了常见评价标准，并重新实现了业界的State-of-the-art算法，开放了预训练模型，为了促进该领域的发展。
该库目前包含的模型（部分模型是2020年才出现的）：
使用该库可方便与以下传统方向比较算法效果：
其实现的模型与原作者工作的比较：
几乎完全复现了state-of-the-art的效果。
在Kodak数据集上该库实现的基于学习的编解码方法与传统的JPEG、WebP等方法的比较：
由上图可知，基于学习的方法相比传统方法在各码率段均具有明显优势。
在 Saint Malo 图像上的压缩结果可视化示例：
目前该库只提供了图片编解码的几个SOTA实现，不过作者称很快将加入视频编解码实例。
论文地址：
https://arxiv.org/pdf/2011.03029.pdf
开源地址：
https://github.com/InterDigitalInc/CompressAI/
TensorFlow竞品：
https://github.com/tensorflow/compression
